HugMap
人工智能
云计算
半导体
网络安全
企业软件
区块链
量子计算
生物科技
新能源与智能制造
智能穿戴
机器人
智能手机
图谱探索
趋势分析
登录
注册
The Flip Side of RLHF: On-Policy Feedback for Reward Model Self-Supervised Improvement
文章
ArXiv CS.CL
2026-06-01
NEWS
en
作者: Xiaobo Wang, Tong Wu, Min Tang, Jiaqi Li, Qi Liu, Zilong Zheng
查看原文
→
关系图谱
概览
相关事件
相关公司
相关人物
相关产品
相关技术
The Flip Side of RLHF: On-Policy Feedback for Reward Model Self-Supervised Improvement · 相关技术
相关技术
SAVE